1. 創建線程的三種方法及其區別

1.1 繼承Thread類

首先，定義Thread類的子類並重寫run()方法：

package com.zwwhnly.springbootaction.javabase.thread;

public class MyFirstThread extends Thread {
    @Override
    public void run() {
        for (int i = 0; i < 5; i++) {
            System.out.printf("[MyFirstThread]輸出:%d,當前線程名稱:%s\n",
                    i, getName());
        }
    }
}

然後，創建該子類的實例並調用start()方法啟動線程：

package com.zwwhnly.springbootaction.javabase.thread;

public class ThreadTest {
    public static void main(String[] args) {
        System.out.println("主線程開始執行,當前線程名稱:" +
                Thread.currentThread().getName());

        Thread firstThread = new MyFirstThread();
        firstThread.start();

        System.out.println("主線程執行結束,當前線程名稱:" +
                Thread.currentThread().getName());
    }
}

運行結果如下所示：

主線程開始執行,當前線程名稱:main

主線程執行結束,當前線程名稱:main

[MyFirstThread]輸出:0,當前線程名稱:Thread-0

[MyFirstThread]輸出:1,當前線程名稱:Thread-0

[MyFirstThread]輸出:2,當前線程名稱:Thread-0

[MyFirstThread]輸出:3,當前線程名稱:Thread-0

[MyFirstThread]輸出:4,當前線程名稱:Thread-0

從運行結果可以看出以下2個問題：

1. 程序中存在2個線程，分別為主線程main和自定義的線程Thread-0。
2. 調用firstThread.start();，run()方法體中的代碼並沒有立即執行，而是異步執行的。

查看Thread類的源碼，可以發現Thread類實現了接口Runnable：

public class Thread implements Runnable {
    // 省略其它代碼
｝

這裡是重點，面試常問！

1.2 實現Runnable接口(推薦)

首先，定義Runnable接口的實現類並實現run()方法：

package com.zwwhnly.springbootaction.javabase.thread;

public class MySecondThread implements Runnable {
    @Override
    public void run() {
        for (int i = 0; i < 5; i++) {
            System.out.printf("[MySecondThread]輸出:%d,當前線程名稱:%s\n",
                    i, Thread.currentThread().getName());
        }
    }
}

然後，調用Thread類的構造函數創建Thread實例並調用start()方法啟動線程：

package com.zwwhnly.springbootaction.javabase.thread;

public class ThreadTest {
    public static void main(String[] args) {
        Runnable target = new MySecondThread();
        Thread secondThread = new Thread(target);
        secondThread.start();
    }
}

運行結果如下所示：

主線程開始執行,當前線程名稱:main

主線程執行結束,當前線程名稱:main

[MySecondThread]輸出:0,當前線程名稱:Thread-0

[MySecondThread]輸出:1,當前線程名稱:Thread-0

[MySecondThread]輸出:2,當前線程名稱:Thread-0

[MySecondThread]輸出:3,當前線程名稱:Thread-0

[MySecondThread]輸出:4,當前線程名稱:Thread-0

可以看出，使用這種方式和繼承Thread類的運行結果是一樣的。

1.3 實現Callable接口

首先，定義Callable接口的實現類並實現call()方法：

package com.zwwhnly.springbootaction.javabase.thread;

import java.util.Random;
import java.util.concurrent.Callable;

public class MyThirdThread implements Callable<Integer> {
    @Override
    public Integer call() throws Exception {
        Thread.sleep(6 * 1000);
        return new Random().nextInt();
    }
}

然後，調用FutureTask類的構造函數創建FutureTask實例：

Callable<Integer> callable = new MyThirdThread();
FutureTask<Integer> futureTask = new FutureTask<>(callable);

最後，調用Thread類的構造函數創建Thread實例並調用start()方法啟動線程：

package com.zwwhnly.springbootaction.javabase.thread;

import java.util.concurrent.Callable;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.FutureTask;

public class ThreadTest {
    public static void main(String[] args) {
        System.out.println("主線程開始執行,當前線程名稱:" +
                Thread.currentThread().getName());

        Callable<Integer> callable = new MyThirdThread();
        FutureTask<Integer> futureTask = new FutureTask<>(callable);
        new Thread(futureTask).start();

        try {
            System.out.println("futureTask.isDone() return:" + futureTask.isDone());

            System.out.println(futureTask.get());

            System.out.println("futureTask.isDone() return:" + futureTask.isDone());
        } catch (InterruptedException | ExecutionException e) {
            e.printStackTrace();
        }

        System.out.println("主線程執行結束,當前線程名稱:" +
                Thread.currentThread().getName());
    }
}

運行結果如下所示：

主線程開始執行,當前線程名稱:main

futureTask.isDone() return:false

-1193053528

futureTask.isDone() return:true

主線程執行結束,當前線程名稱:main

可以發現，使用Callable接口這種方式，我們可以通過futureTask.get()獲取到線程的執行結果，而之前的2種方式，都是沒有返回值的。

注意事項：調用futureTask.get()獲取線程的執行結果時，主線程會阻塞直到獲取到結果。

阻塞效果如下圖所示：

1.4 區別

以下是重點，面試常問！

1. Java中，類僅支持單繼承，如果一個類繼承了Thread類，就無法再繼承其它類，因此，如果一個類既要繼承其它的類，又必須創建為一個線程，就可以使用實現Runable接口的方式。
2. 使用實現Runable接口的方式創建的線程可以處理同一資源，實現資源的共享。
3. 使用實現Callable接口的方式創建的線程，可以獲取到線程執行的返回值、是否執行完成等信息。

關於第2點，可以通過如下示例來理解。

假如我們總共有10張票（共享的資源），為了提升售票的效率，開了3個線程來售賣，代碼如下所示：

package com.zwwhnly.springbootaction.javabase.thread;

public class SaleTicketThread implements Runnable {
    private int quantity = 10;

    @Override
    public void run() {
        while (quantity > 0) {
            System.out.println(quantity-- + " is saled by " +
                    Thread.currentThread().getName());
        }
    }
}

public static void main(String[] args) {
    Runnable runnable = new SaleTicketThread();
    Thread saleTicketThread1 = new Thread(runnable);
    Thread saleTicketThread2 = new Thread(runnable);
    Thread saleTicketThread3 = new Thread(runnable);

    saleTicketThread1.start();
    saleTicketThread2.start();
    saleTicketThread3.start();
}

因為3個線程都是異步執行的，因此每次的運行結果可能是不一樣，以下列舉2次不同的運行結果。

第1次運行結果：

10 is saled by Thread-0

8 is saled by Thread-0

7 is saled by Thread-0

5 is saled by Thread-0

9 is saled by Thread-1

3 is saled by Thread-1

2 is saled by Thread-1

1 is saled by Thread-1

4 is saled by Thread-0

6 is saled by Thread-2

第2次運行結果：

10 is saled by Thread-0

9 is saled by Thread-0

8 is saled by Thread-0

7 is saled by Thread-0

6 is saled by Thread-0

5 is saled by Thread-0

3 is saled by Thread-0

2 is saled by Thread-0

4 is saled by Thread-2

1 is saled by Thread-1

如果將上面的SaleTicketThread修改成繼承Thread類的方式，就變成了3個線程各自擁有10張票，即變成了30張票，而不是3個線程共享10張票。

2. Thread類start()和run()的區別

2.1 示例

因為實現Runnable接口的優勢，基本上實現多線程都使用的是該種方式，所以我們將之前定義的MyFirstThread也修改為實現Runnable接口的方式：

package com.zwwhnly.springbootaction.javabase.thread;

public class MyFirstThread implements Runnable {
    @Override
    public void run() {
        for (int i = 0; i < 5; i++) {
            System.out.printf("[MyFirstThread]輸出:%d,當前線程名稱:%s\n",
                    i, Thread.currentThread().getName());
        }
    }
}

然後仍然沿用之前定義的MyFirstThread、MySecondThread，我們先看下調用start()的效果：

package com.zwwhnly.springbootaction.javabase.thread;

public class ThreadTest {
    public static void main(String[] args) {

        System.out.println("主線程開始執行,當前線程名稱:" +
                Thread.currentThread().getName());

        Thread firstThread = new Thread(new MyFirstThread());

        Runnable target = new MySecondThread();
        Thread secondThread = new Thread(target);

        firstThread.start();
        secondThread.start();

        System.out.println("主線程執行結束,當前線程名稱:" +
                Thread.currentThread().getName());
    }
}

運行結果（注意：多次運行，結果可能不一樣）：

主線程開始執行,當前線程名稱:main

[MyFirstThread]輸出:0,當前線程名稱:Thread-0

[MyFirstThread]輸出:1,當前線程名稱:Thread-0

[MySecondThread]輸出:0,當前線程名稱:Thread-1

主線程執行結束,當前線程名稱:main

[MySecondThread]輸出:1,當前線程名稱:Thread-1

[MySecondThread]輸出:2,當前線程名稱:Thread-1

[MySecondThread]輸出:3,當前線程名稱:Thread-1

[MySecondThread]輸出:4,當前線程名稱:Thread-1

[MyFirstThread]輸出:2,當前線程名稱:Thread-0

[MyFirstThread]輸出:3,當前線程名稱:Thread-0

[MyFirstThread]輸出:4,當前線程名稱:Thread-0

可以看出，調用start()方法后，程序中有3個線程，分別為主線程main、Thread-0、Thread-1，而且執行順序不是按順序執行的，存在不確定性。

然後將start()方法修改為run()方法，如下所示：

firstThread.run();
secondThread.run();

此時的運行結果如下所示（多次運行，結果是一樣的）：

主線程開始執行,當前線程名稱:main

[MyFirstThread]輸出:0,當前線程名稱:main

[MyFirstThread]輸出:1,當前線程名稱:main

[MyFirstThread]輸出:2,當前線程名稱:main

[MyFirstThread]輸出:3,當前線程名稱:main

[MyFirstThread]輸出:4,當前線程名稱:main

[MySecondThread]輸出:0,當前線程名稱:main

[MySecondThread]輸出:1,當前線程名稱:main

[MySecondThread]輸出:2,當前線程名稱:main

[MySecondThread]輸出:3,當前線程名稱:main

[MySecondThread]輸出:4,當前線程名稱:main

主線程執行結束,當前線程名稱:main

可以看出，調用run()方法后，程序中只有一個主線程，自定義的2個線程並沒有啟動，而且執行順序也是按順序執行的。

1.2 總結

以下是重點，面試常問！

• run()方法只是一個普通方法，調用之後程序會等待run()方法執行完畢，所以是串行執行，而不是并行執行。
• start()方法會啟動一個線程，當線程得到CPU資源後會自動執行run()方法體中的內容，實現真正的併發執行。

3. Runnable和Callable的區別

在文章前面的章節中（1.2 實現Runnable接口 和1.3 實現Callable接口），我們了解了如何使用Runnable、Callable接口來創建線程，現在我們分別看下Runable和Callable接口的定義，其中，Runable接口的定義如下所示：

public interface Runnable {
    public abstract void run();
}

Callable接口的定義如下所示：

public interface Callable<V> {
    V call() throws Exception;
}

由此可以看出，Runnable和Callable的區別主要有以下幾點：

1. Runable的執行方法是run()，Callable的執行方法是call()
2. call()方法可以拋出異常，run()方法如果有異常只能在內部消化
3. 實現Runnable接口的線程沒有返回值，實現Callable接口的線程能返回執行結果
4. 實現Callable接口的線程，可以和FutureTask一起使用，獲取到線程是否完成、線程是否取消、線程執行結果，也可以取消線程的執行。

4. 源碼及參考

源碼地址：，歡迎下載。

如果覺得文章寫的不錯，歡迎關注我的微信公眾號：「申城異鄉人」，所有博客會同步更新。

如果有興趣，也可以添加我的微信：zwwhnly_002，一起交流和探討技術。

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※廣受好評的【機場接送推薦】

※租車接送服務需要另外加價嗎？

※台東人氣名產、台東人氣伴手禮,熱門獨家商品，現貨供應中

※坐月子經驗談-新竹到府坐月子媽媽心得分享與交流

※給婚攝的迎娶婚禮錄影必拍清單,沒拍到您一定會後悔!

※旅遊不求人,帶你掌握小琉球民宿海景攻略

※各類招牌、海報、大圖輸出,急件製作施工!

我們在上篇筆記中介紹了感知機的，討論了感知機的由來、工作原理、求解策略、收斂性。這篇筆記中，我們親自動手寫代碼，使用感知機算法解決實際問題。

先從一個最簡單的問題開始，用感知機算法解決OR邏輯的分類。

import numpy as np
import matplotlib.pyplot as plt

x = [0,0,1,1]
y = [0,1,0,1]

plt.scatter(x[0],y[0], color="red",label="negative")
plt.scatter(x[1:],y[1:], color="green",label="positive")

plt.legend(loc="best")
plt.show()

下面我們來定義一個函數，用來判定一個樣本點是否被正確分類了。由於此例中樣本點是二維的，因此權重向量也相應的為二維，可以定義為\(w = (w_1, w_2)\)，在Python中可以使用列表來表達，例如w = [0, 0]，而樣本到超平面的距離自然就是w[0] * x[0] + w[1] * x[1] +b。下面給出完整的函數。

def decide(data,label,w,b):
    result = w[0] * data[0] + w[1] * data[1] - b
    print("result = ",result)
    if np.sign(result) * label <= 0:
        w[0] += 1 * (label - result) * data[0]
        w[1] += 1 * (label - result) * data[1]
        b += 1 * (label - result)*(-1)
    return w,b

寫完核心函數后，我們還需要寫一個調度函數，這個函數提供遍歷每一個樣本點的功能。

def run(data, label):
    w,b = [0,0],0
    for epoch in range(10):
        for item in zip(data, label):
            dataset,labelset = item[0],item[1]
            w,b = decide(dataset, labelset, w, b)
            print("dataset = ",dataset, ",", "w = ",w,",","b = ",b)
    print(w,b)

data = [(0,0),(0,1),(1,0),(1,1)]
label = [0,1,1,1]

run(data,label)

result =  0
dataset =  (0, 0) , w =  [0, 0] , b =  0
result =  0
dataset =  (0, 1) , w =  [0, 1] , b =  -1
result =  1
dataset =  (1, 0) , w =  [0, 1] , b =  -1
result =  2
dataset =  (1, 1) , w =  [0, 1] , b =  -1
result =  1
dataset =  (0, 0) , w =  [0, 1] , b =  0
result =  1
dataset =  (0, 1) , w =  [0, 1] , b =  0
result =  0
dataset =  (1, 0) , w =  [1, 1] , b =  -1
result =  3
dataset =  (1, 1) , w =  [1, 1] , b =  -1
result =  1
dataset =  (0, 0) , w =  [1, 1] , b =  0
result =  1
dataset =  (0, 1) , w =  [1, 1] , b =  0
result =  1
後面的迭代這裏省略不貼，參數穩定下來，算法已經收斂

下面看一個來自UCI的數據集：PIMA糖尿病數據集，例子來自《機器學習算法視角》第三章

import os
import pylab as pl
import numpy as np
import pandas as pd

os.chdir(r"DataSets\pima-indians-diabetes-database")

pima = np.loadtxt("pima.txt", delimiter=",", skiprows=1)

pima.shape

(768, 9)

indices0 = np.where(pima[:,8]==0)
indices1 = np.where(pima[:,8]==1)

pl.ion()
pl.plot(pima[indices0,0],pima[indices0,1],"go")
pl.plot(pima[indices1,0],pima[indices1,1],"rx")
pl.show()

數據預處理

1.將年齡離散化

pima[np.where(pima[:,7]<=30),7] = 1
pima[np.where((pima[:,7]>30) & (pima[:,7]<=40)),7] = 2
pima[np.where((pima[:,7]>40) & (pima[:,7]<=50)),7] = 3
pima[np.where((pima[:,7]>50) & (pima[:,7]<=60)),7] = 4
pima[np.where(pima[:,7]>60),7] = 5

2.將女性的懷孕次數大於8次的統一用8次代替

pima[np.where(pima[:,0]>8),0] = 8

3.將數據標準化處理

pima[:,:8] = pima[:,:8]-pima[:,:8].mean(axis=0)
pima[:,:8] = pima[:,:8]/pima[:,:8].var(axis=0)

4.切分訓練集和測試集

trainin = pima[::2,:8]
testin = pima[1::2,:8]
traintgt = pima[::2,8:9]
testtgt = pima[1::2,8:9]

定義模型

class Perceptron:
    def __init__(self, inputs, targets):
        # 設置網絡規模
        # 記錄輸入向量的維度，神經元的維度要和它相等
        if np.ndim(inputs) > 1:
            self.nIn = np.shape(inputs)[1]
        else:
            self.nIn = 1
        
        # 記錄目標向量的維度，神經元的個數要和它相等
        if np.ndim(targets) > 1:
            self.nOut = np.shape(targets)[1]
        else:
            self.nOut = 1
        
        # 記錄輸入向量的樣本個數
        self.nData = np.shape(inputs)[0]
        
        # 初始化網絡，這裏加1是為了包含偏置項
        self.weights = np.random.rand(self.nIn + 1, self.nOut) * 0.1 - 0.05
        
    def train(self, inputs, targets, eta, epoch):
        """訓練環節"""
        # 和前面處理偏置項同步地，這裏對輸入樣本加一項-1，與W0相匹配
        inputs = np.concatenate((inputs, -np.ones((self.nData,1))),axis=1)
        
        for n in range(epoch):
            self.activations = self.forward(inputs)
            self.weights -= eta * np.dot(np.transpose(inputs), self.activations - targets)
        return self.weights
    
    def forward(self, inputs):
        """神經網路前向傳播環節"""
        # 計算
        activations = np.dot(inputs, self.weights)
        # 判斷是否激活
        return np.where(activations>0, 1, 0)
    
    def confusion_matrix(self, inputs, targets):
        # 計算混淆矩陣
        inputs = np.concatenate((inputs, -np.ones((self.nData,1))),axis=1)
        outputs = np.dot(inputs, self.weights)
        nClasses = np.shape(targets)[1]
        
        if nClasses == 1:
            nClasses = 2
            outputs = np.where(outputs<0, 1, 0)
        else:
            outputs = np.argmax(outputs, 1)
            targets = np.argmax(targets, 1)
            
        cm = np.zeros((nClasses, nClasses))
        for i in range(nClasses):
            for j in range(nClasses):
                cm[i,j] = np.sum(np.where(outputs==i, 1,0) * np.where(targets==j, 1, 0))
        print(cm)
        print(np.trace(cm)/np.sum(cm))

print("Output after preprocessing of data")
p = Perceptron(trainin,traintgt)
p.train(trainin,traintgt,0.15,10000)
p.confusion_matrix(testin,testtgt)

Output after preprocessing of data
[[ 69.  86.]
 [182.  47.]]
0.3020833333333333

這個案例使用感知機訓練得到的結果比較糟糕，這裏只是作為展示算法的例子。

最後看一個使用感知機算法識別MNIST手寫数字的例子。代碼借鑒了Kaggle上的kernel。

step 1：首先導入所需的包，並且設置好數據所在路徑

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

train = pd.read_csv(r"DataSets\Digit_Recognizer\train.csv", engine="python")
test = pd.read_csv(r"DataSets\Digit_Recognizer\test.csv", engine="python")

print("Training set has {0[0]} rows and {0[1]} columns".format(train.shape))
print("Test set has {0[0]} rows and {0[1]} columns".format(test.shape))

Training set has 42000 rows and 785 columns
Test set has 28000 rows and 784 columns

step 2：數據預處理

1. 創建label，它的size為 (42000, 1)
2. 創建training set，size為(42000, 784)
3. 創建weights，size為（10，784），這可能有點不好理解。我們知道，權重向量是描述神經元的，784是維度，表示一個輸入樣本有784維，相應的與它對接的神經元也要有784維。同時，要記住一個神經元只能輸出一個output，而在数字識別問題中，我們期待的是輸入一個樣本數據，能返回10個数字，然後依概率判斷這個樣本是哪個数字的可能性最大。所以，我們需要10個神經元，這就是(10,784)的來歷。

trainlabels = train.label
trainlabels.shape

(42000,)

traindata = np.asmatrix(train.loc[:,"pixel0":])
traindata.shape

(42000, 784)

weights = np.zeros((10,784))
weights.shape

(10, 784)

這裏可以先看一個樣本，找找感覺。注意原數據是壓縮成了784維的數組，我們需要將它變回28*28的圖片

# 從矩陣中隨便取一行
samplerow = traindata[123:124]
# 重新變成28*28
samplerow = np.reshape(samplerow, (28,28))
plt.imshow(samplerow, cmap="hot")

step 3：訓練

這裏我們對訓練數據集循環若干次，然後重點關注錯誤率曲線

# 先創建一個列表，用來記錄每一輪訓練的錯誤率
errors = []
epoch = 20

for epoch in range(epoch):
    err = 0
    # 對每一個樣本（亦矩陣中的每一行）
    for i, data in enumerate(traindata):
        # 創建一個列表，用來記錄每個神經元輸出的值
        output = []
        # 對每個神經元都做點乘操作，並記錄下輸出值
        for w in weights:
            output.append(np.dot(data, w))
        # 這裏簡單的取輸出值最大者為最有可能的
        guess = np.argmax(output)
        # 實際的值為標籤列表中對應項
        actual = trainlabels[i]
        
        # 如果估計值和實際值不同，則分類錯誤，需要更新權重向量
        if guess != actual:
            weights[guess] = weights[guess] - data
            weights[actual] = weights[actual] + data
            err += 1
    # 計算迭代完42000個樣本之後，錯誤率 = 錯誤次數/樣本個數
    errors.append(err/42000)

x = list(range(20))
plt.plot(x, errors)

[<matplotlib.lines.Line2D at 0x5955c50>]

從圖可以看出，達到15次迭代時，錯誤率已經有上升的趨勢了，開始過擬合了。

感知機是一個非常簡單的算法，以致於很難在真正的場景中使用感知機算法。這裏舉的3個例子，都旨在於動手寫代碼實現這個算法，找找感覺。稍有經驗的讀者想必會好奇：為什麼沒有使用Scikit-Learn這個包，這部分其實是筆者另有計劃，打算結合算法寫Scikit-Learn的源碼解讀筆記。當然，限於個人水平，不一定能解析到精髓，但勉力而為吧。下篇會寫Multi-Layer-Perceptron算法的原理，在那裡我們很容易看到，縱使是簡單的感知機，只要加一個隱層，就能大幅提升其分類能力。另外，也會抽空寫一篇感知機Sklearn源碼解讀的文章。有任何問題，歡迎大家留言討論。

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理
【其他文章推薦】

※信用卡的機場接送服務好嗎?

※台北桃園機場接送，網友超推，CP值超高，安全，寬敞又舒適

※想知道台東名產人氣商品是什麼?想知道更多台東知名伴手禮有哪些?

※評選台東伴手禮推薦商品「釋迦 」是台東必買伴手禮之一

※離島好好玩!小琉球必吃美食、必玩景點、最優惠的小琉球民宿套裝行程詳細攻略!

※濃郁的奶香牛軋糖-最好吃的伴手禮,送禮要送進心崁裡!

※找尋專業廣告設計,價格公道大圖輸出,背板品質佳

意大利“水城”威尼斯12日遭遇有記錄以來嚴重程度排第二的水災，市長路易吉·布魯尼亞羅有意宣布緊急狀態，說這場水災恐致慘重損失。

路透社報道，受暴雨和潮汐影響，威尼斯遭洪水侵襲，不少古老的廣場和街道遭水淹沒。當地官員說，12日22時50分，潮水最高水位達到187厘米，僅次於1966年創下的194厘米最高紀錄。

媒體報道，洪水淹沒聖馬可廣場，水深超過1米，鄰近的聖馬可大教堂沒能倖免。不過，不清楚教堂內部的損毀情況。

經由社交媒體發布的視頻显示，威尼斯市內一條主幹道上，洪水像河流一樣涌動;海浪拍打着停泊在岸邊的船隻，洪水漫過石頭鋪成的人行道。

市長布魯尼亞羅說，“187厘米潮水將(給威尼斯)留下不可磨滅的傷痕”。他在社交媒體“推特”發文：形勢嚴峻，我們請求(中央)政府出手相助，代價會很高，這是氣候變化的結果。

意大利多個地區近日經受暴雨襲擊，洪水大面積泛濫，尤其是南部地區。在2019年“歐洲文化之都”馬泰拉，著名的岩洞民居遭洪水淹沒。(陸愛華)

本站聲明:網站內容來源再生能源資訊網http://toptour.cn/,如有侵權請聯繫我們,我們將及時處理

【其他文章推薦】

※想知道台北團體制服哪裡比較便宜嗎?

※專業台北團體服訂制、設計一條龍服務!

※住宿攻略懶人包,精選平價舒適一中街住宿,一中街民宿出遊的休息好去處!

※2020票選台東必買 最佳節慶送禮、年節伴手禮,釋迦禮盒，小農禮盒深受國人的青睞!

※各類招牌、海報、大圖輸出,急件製作施工!

今年因為日本新天皇即位，原定10月22日進行的新天皇接受國民祝福的遊行活動——“祝賀御列之儀”推遲到11月10日舉行。天皇400米長的巡遊車隊從皇宮出發，經過二重橋，向櫻田門進發，在兩個地方便於長時間看到車隊，一是青山大道，即赤坂警察署開始到青山一丁目車站之間的約1.3公里的直線道路，二是沒有樹木遮擋的皇居前廣場。車隊目的地是赤坂御所。這一路線與平成時代開啟時天皇的巡遊路線有所不同，避開了高速公路的高架橋下的道路，從而方便更多的民眾站在路邊觀看。

二重橋是指鋼鐵製造的正門鐵橋。正門(江戶城西面的丸大手門)平時是關閉的，只有天皇即位大典和天皇、皇后、皇太后大葬儀式等特別事宜時或外賓來訪時才使用。使用的順序為：皇居前廣場——正門石橋——正門——正門鐵橋——宮殿。裏面的鐵橋在江戶城的西丸下乘橋的位置，早年曾因護城河水深，舊橋較低，所以在橋上再搭一座橋，為上下兩層，所以叫“二重橋”。

鐵橋是明治21年(1888年)替換上去的，所以橋身不是兩層的。二重橋是日本最有歷史感和神秘感的橋樑。

前面的石橋在江戶城的西丸大手橋的位置，石橋是明治20年(1887年)建造的。由於構造為兩個石拱形造型，所以再三地被誤認為“二重橋”。還有一種說法是，“因為外面的石橋和裏面的鐵橋都建造在同一個壕溝上，所以叫二重橋”，這種說法也是錯的。

橋下有護城河，水平如鏡，楊柳依依，景色宜人，是遊客必到之地，它是名副其實的連接民間和皇宮的橋，被公認為皇宮最美之地。

皇居前廣場，又叫皇宮外苑，江戶時代，許多達官顯貴在這兒建私宅。到了明治時代，房屋被政府收回，成為明治政府的兵營。後來伊藤博文命令撤去一切多餘建築物，種上樹木，延續至今成了綠樹成蔭、寬闊宜人的廣場。1947年，皇居前廣場正式向民眾開放。如今，對日本人來說，來到皇居前廣場，就是到了離天皇最近的地方，每年春秋兩次皇宮對一般民眾開放，人們從廣場走過二重橋，進入皇宮。在宮殿前，萬眾歡呼，聆聽天皇的聲音。

皇居前廣場里有個和田倉噴水公園，旁邊還有個免費的休息處和一家時尚餐廳，是遊人休憩、就餐的好地方。廣場里還有一大片松樹林，鬱郁蔥蔥，生機勃發，是東京中心難得的綠色。

連接東京車站和皇居前廣場的是一條寬闊的大道。這條路叫“行幸道路”，天皇到地方巡視，需要乘火車，就先乘車通過這條道路到東京車站。道路兩邊有排列整齊的高大銀杏樹，到了秋天樹恭弘=叶 恭弘金黃，蔚為壯觀。

平日的清晨以及假日，在皇居前廣場可以看到很多跑步運動的人，他們圍繞皇宮慢跑。在東京的中心，有這麼一大片風景秀麗又大氣的公共空間，又能眺望日本皇宮，因此皇居前廣場成為觀光勝地，來自世界各地的遊客在這兒流連忘返。花2000日元，可乘坐馬車在皇宮周邊繞一圈，感受傳統和現代交錯的景緻。

巡遊車隊途經的國會議事堂是1936年建成的，是日本的政治中心，國會在這裏開會議事。建築物是左右對稱的，左邊是眾議院，右邊是參議院。近年，國會議事堂也開放讓民眾参觀，眾議院每日開放参觀，參議院是工作日開放，但是國會開會前一個小時到散會這一時間段是無法参觀的，可以在規定場所拍照，但是不能錄視頻。

本站聲明:網站內容來源再生能源資訊網http://toptour.cn/,如有侵權請聯繫我們,我們將及時處理

【其他文章推薦】

※2020桃園婚紗攝影推薦一流團隊

※婚禮籌備好崩潰！該找婚攝還是婚錄?新人必備教戰守則

※月子中心貴鬆鬆,找對到府月嫂省一半，更讓你事半功倍!!

※台東人氣名產、台東人氣伴手禮,熱門獨家商品，現貨供應中

※新娘必看!桃園自助婚紗推薦名單

近日，應南方航空公司之邀，環球網旅遊頻道記者來到文明古國伊朗，探尋波斯文明的氣韻軒昂與浪漫文藝。親臨伊朗，記者發現，這座文明古國的“打開方式”與國人的傳統印象大相徑庭。

安全與熱情是赴伊朗旅遊的主旋律 對華免簽后赴伊旅遊中國遊客增長4倍

今年7月16日起，伊朗官方宣布給予持有中華人民共和國普通護照及港、澳特別行政區護照人員赴伊朗旅遊、觀光及商務訪問單方面免簽入境待遇，每次入境可以停留21天。

目前，伊朗只和少數國家互相免簽，如土耳其、敘利亞等，單方面對中國遊客免簽，是一種特殊對待。記者觀察到，此次出行，伊朗並沒有在護照上蓋簽證章或做任何標記，業內人士稱，這是為了避免遊客之後赴美國或以色列等國家受到限制。

“今年7月伊朗對華免簽后，中國遊客赴伊朗旅遊人數增長了4倍。” 從事導遊工作7年的伊朗導遊唐娜告訴記者：“業內有一種說法，只要一個客人在伊朗有愉快的旅程，就將有10個客人來到伊朗”。唐娜認為，得益於普通遊客社交平台上的照片分享與免簽政策的實施，會有越來越多的中國人選擇伊朗為出境游目的地國家。

與刻板印象中的戰亂頻發的景象截然相反，熱情與安全是伊朗旅遊環境的主旋律：記者在伊朗期間，多次親歷伊朗人主動要求同框合影。看見中國面孔，不少伊朗人會面帶善意地微笑甚至用標準的普通話向記者打招呼，並充滿驕傲地向記者介紹當地值得探尋的景區。

由於長期被西方制裁，加之西方媒體的“污名化”和“妖魔化”報道，人們很容易將伊朗與動蕩不安和“核武器”聯繫起來。事實上，根據國際SOS組織發布的2019年旅行風險地圖显示，伊朗境內大部分地區在旅行安全方面屬於“低危險度”。

隨着伊朗對華免簽政策的實施，無疑會有助於構建更加客觀公正的伊朗國家形象。“很多媒體會渲染伊朗是危險國家，但是真正來到伊朗的人都會切身感受到這裏的氛圍，普通遊客會把他們看到的真實的伊朗告訴更多人。”唐娜說。

旅行社醞釀伊朗出境游精品小團 伊朗中文導遊數量持續增加

伊朗副總統兼文化遺產、手工業與旅遊組織主席阿里·阿斯嘎爾·穆內森曾在接受媒體採訪時表示：希望未來四五年內能吸引100萬中國遊客來伊。據伊朗文化遺產、手工藝和旅遊組織統計，2018年3月20日至2019年3月20日，有780萬名外國遊客到訪伊朗，入伊遊客增長了52.5%，其中中國遊客不足10萬。分享中國出境游市場的紅利，是伊朗對中國公民開放免簽的一個重要考量。

記者從各大OTA平台了解到，目前，伊朗出境跟團游8～12天的產品大約在10000元至13000元不等。專門赴伊朗考察路線的旅行社業內人士范先生告訴記者：“此次考察伊朗的印象比預期要好很多，伊朗治安也不錯，因為對華免簽，以後赴伊朗旅遊人數必然會呈現大規模上升趨勢，未來旅行社將會推出更多伊朗的小團產品以吸引更多客戶。”

長期在伊朗工作的劉陽認為：“若持續吸引中國遊客赴伊朗旅遊，除卻免簽政策的實施外，伊朗還需在基礎設施和服務方面進行完善，例如增加中餐館數量、著名景點增加中文導航等。”

“伊朗出境游市場需要更多優質的中文導遊”，劉陽與唐娜不約而同地提到了伊朗中文導遊供不應求的問題。“伊朗的導遊更多是英文講解，領隊用中文翻譯給遊客。”唐娜認為，這種做法很難讓遊客深入了解伊朗的歷史文化與民俗風情。

7年前，伊朗基本沒有任何中文導遊，唐娜留學中國回到伊朗后，負責將英文導遊的解說翻譯給中文遊客。久而久之，唐娜覺得這是一份有趣的工作，於是自學了伊朗著名景區的歷史，成為了一名中文導遊。“我們要讓大家明白，中國遊客將越來越多，中文導遊是十分有必要的。”

如今，越來越多像唐娜一樣會漢語的伊朗歸國留學生正在擔負起中文導遊這一職責。

伊朗人文風情別具一格 中伊友好交流歷史淵源深厚

獨特的地理自然環境和燦爛的波斯文明，賦予了伊朗極為豐富的旅遊資源：伊朗共擁有22處世界文化遺產和2處世界自然遺產。此次伊朗之行，記者從德黑蘭出發，南行至卡尚、伊斯法罕、亞茲德、設拉子，北返至德黑蘭並翻越厄爾布爾士山抵達裏海海濱城市恰盧斯。一路走來，最大的感受是，伊朗旅遊資源極其豐富，人文風情別具一格。

恰如余秋雨在《千年一嘆》中所說:“伊朗土地的主調，有點蒼涼，有點神秘，也有點世俗，一切都被綜合成一種有待擺布的詩意。”這種詩意體現在伊朗境內遍布的無數一眼千年、風格迥異的清真寺內，瀰漫在樹木青蔥、噴泉林立的波斯花園中，也內嵌在金碧輝煌、富麗恢弘的老宅院里。精美絕倫的波斯波利斯建築遺址訴說著阿契美尼德王朝不可一世的鼎盛繁榮;亞茲德古城內拜火教的熊熊聖火延續1400年燃燒不息;酒入豪腸，“伊朗李白”海菲茲在故鄉設拉子吟誦着浪漫與雅緻;而更難能可貴的是，面紗下的波斯女性面龐清秀美麗，她們自信而獨立。

在伊朗首都德黑蘭，記者看到許多商店設有藏紅花專櫃，而伊朗正是全世界最大的藏紅花產地，品質最優的藏紅花一克約8至10美金，還不少中國遊客在網紅藏紅花冰淇淋店打卡留念;在德黑蘭地毯博物館，記者欣賞到無數精美的手工織造波斯地毯，眾所周知，波斯地毯製造工藝享譽世界，而千百年來波斯的工匠們在這一塊塊地毯中織造着波斯的輝煌歷史，也織入了波斯人複雜細膩的情感;在伊斯法罕的伊瑪目廣場四周是皇家大巴扎，各樣式的金銀器皿、琺琅銅胎工藝盤花瓶、手織地毯、駱駝骨細密畫應有盡有……

不僅如此，中伊兩國也有着深厚的友好交流歷史。早在西漢時期，中國使者張騫的副使就曾到訪伊朗;15世紀，中國明代鄭和7次率領龐大船隊遠洋航海，其中3次到達伊朗南部的霍爾木茲地區。在伊朗國家博物館內，記者看見了大量元青花赫然陳列在櫥窗中，而這正印證着中伊兩國古代的友好交流。

隨着“一帶一路”倡議的深入落實，中國和伊朗在政治、經濟和文化等多個領域的合作進一步得到加強，旅遊也將成為中伊兩國友好交流的新紐帶。“中國和伊朗都是文明古國，希望更多的中國人來到伊朗，我們有太多的歷史等待你來傾聽，我們有太多的風光等待你來觀賞。”伊朗人Ahmadi熱情且充滿自信地說。

本站聲明:網站內容來源再生能源資訊網http://toptour.cn/,如有侵權請聯繫我們,我們將及時處理

【其他文章推薦】

※想知道真正好吃不黏牙的牛軋糖在哪嗎?

※全國票選五大台東必買、台東伴手禮最佳商品哪裡買的到?

※專業婚禮錄影團隊,用鏡頭記錄人生中值得紀念的一刻!

※婚禮大小事,新人分享高CP值桃園婚紗

※2020票選台東必買 最佳節慶送禮、年節伴手禮,釋迦禮盒，小農禮盒深受國人的青睞!

※桃園機場接送24小時待命,專業推薦!